深度残差神经网络频率域下蚀变岩石光谱分类模型研究
Geography and Geo-Information Science(2021)
Abstract
以往的蚀变岩石光谱分类方法包括机器学习模型和浅层神经网络模型,且均使用光谱波形特征作为模型分类依据.小波变换能够将光谱数据转换为频谱图进行奇异性探测,显示光谱瞬态突变信息.该文使用5种不同蚀变类型的石英闪长玢岩光谱数据,通过Symlets小波变换将光谱数据转换为频谱图,作为深度卷积分类模型的基础数据,再利用50层深度残差网络(ResNet50)模型对数据进行分类,并选取准确率、损失值、召回率、精确率以及F1参数对结果进行评价.通过与传统的机器学习方法及其他方法进行比较,证明该模型的准确率和F1参数均优于对比模型,测试集分类准确率达到99.67%,表明该模型对蚀变岩石光谱数据分类的适用性较强,且具有较好的鲁棒性和泛化性.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined